CN107657608A - 图像质量确定方法、装置及电子设备 - Google Patents
图像质量确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN107657608A CN107657608A CN201710873726.XA CN201710873726A CN107657608A CN 107657608 A CN107657608 A CN 107657608A CN 201710873726 A CN201710873726 A CN 201710873726A CN 107657608 A CN107657608 A CN 107657608A
- Authority
- CN
- China
- Prior art keywords
- image
- testing image
- structural similarity
- local contrast
- width subgraph
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开是关于一种图像质量确定方法、装置及电子设备,该方法包括:获取待测图像;确定所述待测图像与预先存储的样本图像的结构相似度;对所述待测图像进行分块,得到多幅子图像;分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。本公开的技术方案,由于考虑了待测图像的每幅子图像的局部对比度,因而可以提高图像质量确定方法的准确性,进而提高后续图像识别的检出率,满足终端设备的智能化需求。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种图像质量确定方法、装置及电子设备。
背景技术
相关技术中的图像质量确定方法是通过比较待测图像和样本图像之间结构信息的差异程度来确定该待测图像的模糊度,进而确定该待测图像的质量。然而,该方法对运动状态下的人物的图像进行质量评价的结果不够准确。
发明内容
为克服相关技术中存在的问题,本公开实施例提供一种图像质量确定方法、装置及电子设备,以解决相关技术中的不足。
根据本公开实施例的第一方面,提供一种图像质量确定方法,包括:
获取待测图像;
确定所述待测图像与预先存储的样本图像的结构相似度;
对所述待测图像进行分块,得到多幅子图像;
分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
在一实施例中,所述分别确定所述多幅子图像中每幅子图像的局部对比度,包括:
确定所述每幅子图像的灰度值;
根据所述每幅子图像的灰度值确定该幅子图像的局部对比度。
在一实施例中,所述根据所述每幅子图像的灰度值确定该幅子图像的局部对比度,包括:
确定所述每幅子图像的灰度值的最大值以及最小值;
根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度。
在一实施例中,所述确定所述待测图像与预先存储的样本图像的结构相似度,包括:
分别确定所述待测图像的第一亮度和所述样本图像的第二亮度;
分别确定所述待测图像的第一对比度和所述样本图像的第二对比度;
确定所述待测图像和所述样本图像的结构相似程度;
基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度。
在一实施例中,所述根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量,包括:
根据所述每幅子图像的局部对比度确定所述结构相似度的权值;
根据所述结构相似度的权值和所述结构相似度确定所述待测图像的模糊程度。
根据本公开实施例的第二方面,提供一种图像质量确定装置,所述装置包括:
待测图像获取模块,用于获取待测图像;
结构相似度确定模块,用于确定所述待测图像与预先存储的样本图像的结构相似度;
子图像获取模块,用于对所述待测图像进行分块,得到多幅子图像;
局部对比度确定模块,用于分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
图像质量确定模块,用于根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
在一实施例中,所述局部对比度确定模块包括:
子图像灰度确定单元,用于确定所述每幅子图像的灰度值;
局部对比度确定单元,用于根据所述每幅子图像的灰度值确定该幅子图像的局部对比度。
在一实施例中,所述局部对比度确定单元还用于:
确定所述每幅子图像的灰度值的最大值以及最小值;
根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度。
在一实施例中,所述结构相似度确定模块包括:
亮度确定单元,用于分别确定所述待测图像的第一亮度和所述样本图像的第二亮度;
对比度确定单元,用于分别确定所述待测图像的第一对比度和所述样本图像的第二对比度;
相似程度确定单元,用于确定所述待测图像和所述样本图像的结构相似程度;
结构相似度确定单元,用于基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度。
在一实施例中,所述图像质量确定模块包括:
相似度权值确定单元,用于根据所述每幅子图像的局部对比度确定所述结构相似度的权值;
模糊程度确定单元,用于根据所述结构相似度的权值和所述结构相似度确定所述待测图像的模糊程度。
根据本公开实施例的第三方面,提供一种电子设备,所述电子设备包括:
处理器;
被配置为存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待测图像;
确定所述待测图像与预先存储的样本图像的结构相似度;
对所述待测图像进行分块,得到多幅子图像;
分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器处理时实现:
获取待测图像;
确定所述待测图像与预先存储的样本图像的结构相似度;
对所述待测图像进行分块,得到多幅子图像;
分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
本公开的实施例提供的技术方案可以包括以下有益效果:
由上述实施例可知,本公开通过获取待测图像,并确定所述待测图像与预先存储的样本图像的结构相似度,对所述待测图像进行分块,得到多幅子图像,进而分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度,最后根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量,由于考虑了待测图像的每幅子图像的局部对比度,因而可以提高图像质量确定方法的准确性,进而提高后续图像识别的检出率,满足终端设备的智能化需求。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1A是根据一示例性实施例示出的一种图像质量确定方法的流程图;
图1B是根据一示例性实施例示出的智能终端录入人脸图像的应用场景示意图;
图2是根据一示例性实施例示出的确定子图像的局部对比度的流程图;
图3是根据又一示例性实施例示出的确定子图像的局部对比度的流程图;
图4是根据一示例性实施例示出的确定待测图像与样本图像的结构相似度的流程图;
图5是根据一示例性实施例示出的确定待测图像的质量的流程图;
图6是根据一示例性实施例示出的一种图像质量确定装置的框图;
图7是根据又一示例性实施例示出的一种图像质量确定装置的框图;
图8是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
相关技术中,为了实现人脸解锁(或者指纹解锁),通常需要将用户的一张人脸图片(或指纹图像)录入***,以便后续将新采集的人脸图像(或指纹图像)与该录入的图像进行比对,进而实现人脸解锁(或者指纹解锁)。该录入的图像的质量的好坏,会直接影响后续人脸识别(或指纹识别)的成功率。以人脸解锁为例,若录入的人脸图像的质量很差(例如,对比度很强或很弱、人脸有遮挡、图像很模糊),则后续基于该人脸图像进行身份认证或终端解锁的成功率就会较低,因而需要一种准确的图像质量确定方法,提高智能终端录入低质量图像的检出率。
图1A是根据一示例性实施例示出的一种图像质量确定方法的流程图;图1B是根据一示例性实施例示出的智能终端录入人脸图像的应用场景示意图;该实施例可以用于智能终端(例如手机、平板电脑、个人计算机等),也可以用于服务器。如图1A所示,该方法包括以下步骤S101-S105:
S101:获取待测图像。
在一实施例中,如图1B所示,所述待测图像可以是安装有人脸识别***的智能终端采集的人脸图像,或者,所述待测图像还可以是安装有指纹识别***的智能终端采集的指纹图像等,本实施例对此不进行限定。
在一实施例中,上述录入图像可以用于后续将与新采集的人脸图像(或指纹图像)进行比对,进而实现人脸解锁(或者指纹解锁)。
S102:确定所述待测图像与预先存储的样本图像的结构相似度。
在一实施例中,所述结构相似度为用于衡量待测图像与样本图像之间的相似程度的指标。
在一实施例中,所述结构相似度可以采用由德州大学奥斯丁分校的图像和视频工程实验室(Laboratory for Image and Video Engineering)提出的结构相似性(Structural Similarity Index,SSIM)计算方法进行计算。
在一实施例中,确定所述待测图像与样本图像的结构相似度可以通过下述图4所示实施例进行说明,在此先不详述。
S103:对所述待测图像进行分块,得到多幅子图像。
在一实施例中,可以根据预设子图像大小对所述待测图像进行分块处理,以将所述待测图像分割成多幅预设大小的子图像。
在一实施例中,所述预设子图像大小可以由用户或者开发人员根据实际需求进行设置,本实施例对此不进行限定。
S104:分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度。
在一实施例中,所述局部对比度为用于衡量每幅子图像的模糊程度的指标。
举例来说,对于智能终端采集到的运动状态下的人物的人脸图像,如果该图像的某个局部区域的对比度不高,则该局部区域的模糊程度也并不明显,人眼对该局部区域的模糊程度较不敏感;而如果该局部区域对比度高,则该局部区域的模糊程度也较明显,人眼对该局部区域的模糊较为敏感。
在一实施例中,确定所述多幅子图像中每幅子图像的局部对比度可以通过下述图2所示实施例进行说明,在此先不详述。
S105:根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
在一实施例中,在确定所述结构相似度和所述每幅子图像的局部对比度之后,可以根据该结构相似度和每幅子图像的局部对比度进行相应运算,得到待测图像的质量。
在一实施例中,根据该结构相似度和每幅子图像的局部对比度进行相应运算可以通过下述图5所示实施例进行说明,在此先不详述。
由上述描述可知,本公开实施例通过上述步骤S101至步骤S105,当获取到待测图像后,确定所述待测图像与预先存储的样本图像的结构相似度,对所述待测图像进行分块,得到多幅子图像,进而分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度,最后根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量,由于考虑了待测图像的每幅子图像的局部对比度,因而可以提高图像质量确定方法的准确性,进而提高后续图像识别的检出率,满足终端设备的智能化需求。
需要说明的是,本实施例的图像质量确定方法不仅可以适用于人脸图像和指纹图像,还可以适用于其他类型图像,本实施例对待测图像的类型不进行限定。
此外,本实施例的图像质量确定方法不仅可以适用于人脸识别或指纹识别中的图像录入场景,还可以适用于需要进行图像质量确定的其他应用场景,本实施例对应用场景不进行限定。
图2是根据一示例性实施例示出的确定子图像的局部对比度的流程图;本实施例在图1A所示实施例的基础上,以如何确定子图像的局部对比度为例进行示例性说明。如图2所示,步骤S104中分别确定所述多幅子图像中每幅子图像的局部对比度,可以包括S201-S202:
S201:确定所述每幅子图像的灰度值。
在一实施例中,将白色与黑色之间按对数关系分成的若干等级称为灰度值。在一实施例中,灰度值可以分为256阶。
在一实施例中,在将所述待测图像分割成多幅子图像后,可以分别确定所述多幅子图像中的每幅子图像的灰度值。
S202:根据所述每幅子图像的灰度值确定该幅子图像的局部对比度。
在一实施例中,局部对比度可以为子图像中黑与白的比值,也就是子图像从黑到白的渐变层次。具体来说,对比度越大,图像越清晰醒目,色彩也越鲜明艳丽;而对比度小,则图像会看起来灰蒙蒙的。
在一实施例中,可以根据每幅子图像的灰度值的范围大小确定该幅子图像的局部对比度。
由上述方案可知,通过确定所述每幅子图像的灰度值,并根据所述每幅子图像的灰度值确定该幅子图像的局部对比度,可以提高确定子图像的局部对比度的准确性,为后续确定待测图像的质量提供准确依据。
图3是根据又一示例性实施例示出的确定子图像的局部对比度的流程图;本实施例在图2所示实施例的基础上,以如何根据所述每幅子图像的灰度值确定该幅子图像的局部对比度为例进行示例性说明。如图3所示,步骤S202中所述根据所述每幅子图像的灰度值确定该幅子图像的局部对比度,可以包括S301-S302:
S301:确定所述每幅子图像的灰度值的最大值以及最小值;
在一实施例中,假设子图像(x,y)的灰度值为fr(x,y),则可以确定子图像(x,y)的灰度值的最大值以及最小值分别为max[fr(x,y)]、min[fr(x,y)]。
S302:根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度。
在一实施例中,可以根据以下公式(1)确定子图像(x,y)的局部对比度:
其中,con(x,y)为子图像(x,y)的局部对比度,max[fr(x,y)]为子图像(x,y)的灰度值的最大值,min[fr(x,y)]为子图像(x,y)的灰度值的最小值。
由上述方案可知,通过确定所述每幅子图像的灰度值的最大值以及最小值,并根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度,可以准确地确定子图像的局部对比度,有利于后续准确地确定待测图像的质量。
图4是根据一示例性实施例示出的确定待测图像与样本图像的结构相似度的流程图;本实施例在上述实施例的基础上,以如何确定待测图像与样本图像的结构相似度为例进行示例性说明。如图4所示,步骤S102中所述确定所述待测图像与预先存储的样本图像的结构相似度,可以包括步骤S401-S404:
S401:分别确定所述待测图像的第一亮度和所述样本图像的第二亮度。
在一实施例中,假设待测图像为X,样本图像为Y,则可以根据待测图像X的灰度值的均值μX确定所述待测图像的第一亮度,并根据样本图像Y的灰度值的均值μY确定所述样本图像的第二亮度。
S402:分别确定所述待测图像的第一对比度和所述样本图像的第二对比度。
在一实施例中,可以根据待测图像X的灰度值的标准差σX确定所述待测图像的第一对比度,并根据样本图像Y的灰度值的标准差σY确定所述样本图像的第二对比度。
S403:确定所述待测图像和所述样本图像的结构相似程度。
在一实施例中,可以根据待测图像X和样本图像Y的灰度值的协方差σXY确定待测图像X和样本图像Y的结构相似程度。
S404:基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度。
在一实施例中,可以根据以下公式(2)确定待测图像与样本图像的结构相似度:
其中,SSIM(X,Y)为待测图像X和样本图像Y的结构相似度,μX为待测图像X的灰度值的均值,μY为样本图像Y的灰度值的均值,σXY为待测图像X和样本图像Y的灰度值的协方差,σX为待测图像X的灰度值的标准差,σY为样本图像Y的灰度值的标准差,c1=(k1L)2和c2=(k2L)2均为用于维持稳定的常数,L为像素值的动态范围,k1=0.01,k2=0.03。
在一实施例中,SSIM的取值范围为-1到1,当两张图像一模一样时,SSIM的值等于1。
由上述技术方案可知,通过确定所述待测图像的第一亮度和样本图像的第二亮度,并分别确定待测图像的第一对比度和样本图像的第二对比度,以及待测图像和样本图像的结构相似程度,进而基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度,可以实现快速、准确地确定待测图像与预先存储的样本图像的结构相似度,为后续确定待测图像的质量提供准确依据。
图5是根据一示例性实施例示出的确定待测图像的质量的流程图;本实施例在上述实施例的基础上,以如何确定待测图像的质量为例进行示例性说明。如图5所示,步骤S105中所述根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量,可以包括S501-S502:
S501:根据所述每幅子图像的局部对比度确定所述结构相似度的权值;
在一实施例中,可以将每幅子图像的局部对比度确定为所述结构相似度的权值,即对待测图像的模糊度进行加权。举例来说,若子图像的局部对比度越大,则对应的模糊度权值越大,在评价所述待测图像的全局模糊度时的比重也更大。
S502:根据所述结构相似度的权值和所述结构相似度确定所述待测图像的模糊程度。
在一实施例中,在确定所述结构相似度的权值和所述结构相似度后,可以根据所述结构相似度的权值和所述结构相似度计算所述结构相似度的加权平局值,作为所述待测图像的模糊程度。
在一实施例中,可以根据以下公式(3)确定待测图像X的模糊程度:
LSSIM(X,Y)=SSIM(X,Y)*con(x,y) (3)
其中,LSSIM(X,Y)为待测图像X的模糊程度,SSIM(X,Y)为待测图像X和样本图像Y的结构相似度,con(x,y)为子图像(x,y)的局部对比度。
由上述技术方案可知,通过根据每幅子图像的局部对比度确定结构相似度的权值,并根据结构相似度的权值和结构相似度确定待测图像的模糊程度,可以提高图像质量确定方法的准确性,进而提高后续图像识别的检出率,满足终端设备的智能化需求。
图6是根据一示例性实施例示出的一种图像质量确定装置的框图;如图6所示,该装置包括待测图像获取模块110、结构相似度确定模块120、子图像获取模块130、局部对比度确定模块140以及图像质量确定模块150,其中:
待测图像获取模块110,用于获取待测图像;
结构相似度确定模块120,用于确定所述待测图像与预先存储的样本图像的结构相似度;
子图像获取模块130,用于对所述待测图像进行分块,得到多幅子图像;
局部对比度确定模块140,用于分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
图像质量确定模块150,用于根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
由上述描述可知,本公开实施例通过当获取到待测图像后,确定所述待测图像与预先存储的样本图像的结构相似度,对所述待测图像进行分块,得到多幅子图像,进而分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度,最后根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量,由于考虑了待测图像的每幅子图像的局部对比度,因而可以提高图像质量确定方法的准确性,进而提高后续图像识别的检出率,满足终端设备的智能化需求。
图7是根据又一示例性实施例示出的一种图像质量确定装置的框图;其中,待测图像获取模块210、结构相似度确定模块220、子图像获取模块230、局部对比度确定模块240以及图像质量确定模块250与前述图7所示实施例中的待测图像获取模块110、结构相似度确定模块120、子图像获取模块130、局部对比度确定模块140以及图像质量确定模块150相同,在此不进行赘述。如图7所示,局部对比度确定模块240可以包括:
子图像灰度确定单元241,用于确定所述每幅子图像的灰度值;
局部对比度确定单元242,用于根据所述每幅子图像的灰度值确定该幅子图像的局部对比度。
在一实施例中,局部对比度确定单元242还可以用于:
确定所述每幅子图像的灰度值的最大值以及最小值;
根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度。
在一实施例中,结构相似度确定模块220可以包括:
亮度确定单元221,用于分别确定所述待测图像的第一亮度和所述样本图像的第二亮度;
对比度确定单元222,用于分别确定所述待测图像的第一对比度和所述样本图像的第二对比度;
相似程度确定单元223,用于确定所述待测图像和所述样本图像的结构相似程度;
结构相似度确定单元224,用于基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度。
在一实施例中,图像质量确定模块250还可以包括:
相似度权值确定单元251,用于根据所述每幅子图像的局部对比度确定所述结构相似度的权值;
模糊程度确定单元252,用于根据所述结构相似度的权值和所述结构相似度确定所述待测图像的模糊程度。
由上述技术方案可知,通过根据每幅子图像的局部对比度确定结构相似度的权值,并根据结构相似度的权值和结构相似度确定待测图像的模糊程度,可以提高图像质量确定方法的准确性,进而提高后续图像识别的检出率,满足终端设备的智能化需求。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种电子设备的框图。例如,设备300可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图8,设备300可以包括以下一个或多个组件:处理组件302,存储器304,电源组件306,多媒体组件308,音频组件310,输入/输出(I/O)的接口312,传感器组件314,以及通信组件316。
处理组件302通常控制设备300的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理元件302可以包括一个或多个处理器320来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件302可以包括一个或多个模块,便于处理组件302和其他组件之间的交互。例如,处理部件302可以包括多媒体模块,以方便多媒体组件308和处理组件302之间的交互。
存储器304被配置为存储各种类型的数据以支持在设备300的操作。这些数据的示例包括用于在设备300上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件306为设备300的各种组件提供电力。电力组件306可以包括电源管理***,一个或多个电源,及其他与为设备300生成、管理和分配电力相关联的组件。
多媒体组件308包括在所述设备300和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件308包括一个前置摄像头和/或后置摄像头。当设备300处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件310被配置为输出和/或输入音频信号。例如,音频组件310包括一个麦克风(MIC),当设备300处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中,音频组件310还包括一个扬声器,用于输出音频信号。
I/O接口312为处理组件302和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件314包括一个或多个传感器,用于为设备300提供各个方面的状态评估。例如,传感器组件314可以检测到设备300的打开/关闭状态,组件的相对定位,例如所述组件为设备300的显示器和小键盘,传感器组件314还可以检测设备300或设备300一个组件的位置改变,用户与设备300接触的存在或不存在,设备300方位或加速/减速和设备300的温度变化。传感器组件314可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件314还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件316被配置为便于设备300和其他设备之间有线或无线方式的通信。设备300可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信部件316经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信部件316还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述图像质量确定方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器304,上述指令可由设备300的处理器320执行以完成上述图像质量确定方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (12)
1.一种图像质量确定方法,其特征在于,所述方法包括:
获取待测图像;
确定所述待测图像与预先存储的样本图像的结构相似度;
对所述待测图像进行分块,得到多幅子图像;
分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
2.根据权利要求1所述的方法,其特征在于,所述分别确定所述多幅子图像中每幅子图像的局部对比度,包括:
确定所述每幅子图像的灰度值;
根据所述每幅子图像的灰度值确定该幅子图像的局部对比度。
3.根据权利要求2所述的方法,其特征在于,所述根据所述每幅子图像的灰度值确定该幅子图像的局部对比度,包括:
确定所述每幅子图像的灰度值的最大值以及最小值;
根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度。
4.根据权利要求1所述的方法,其特征在于,所述确定所述待测图像与预先存储的样本图像的结构相似度,包括:
分别确定所述待测图像的第一亮度和所述样本图像的第二亮度;
分别确定所述待测图像的第一对比度和所述样本图像的第二对比度;
确定所述待测图像和所述样本图像的结构相似程度;
基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度。
5.根据权利要求1所述的方法,其特征在于,所述根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量,包括:
根据所述每幅子图像的局部对比度确定所述结构相似度的权值;
根据所述结构相似度的权值和所述结构相似度确定所述待测图像的模糊程度。
6.一种图像质量确定装置,其特征在于,所述装置包括:
待测图像获取模块,用于获取待测图像;
结构相似度确定模块,用于确定所述待测图像与预先存储的样本图像的结构相似度;
子图像获取模块,用于对所述待测图像进行分块,得到多幅子图像;
局部对比度确定模块,用于分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
图像质量确定模块,用于根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
7.根据权利要求6所述的装置,其特征在于,所述局部对比度确定模块包括:
子图像灰度确定单元,用于确定所述每幅子图像的灰度值;
局部对比度确定单元,用于根据所述每幅子图像的灰度值确定该幅子图像的局部对比度。
8.根据权利要求7所述的装置,其特征在于,所述局部对比度确定单元还用于:
确定所述每幅子图像的灰度值的最大值以及最小值;
根据所述最大值和所述最小值的差与所述最大值的比值确定该幅子图像的局部对比度。
9.根据权利要求6所述的装置,其特征在于,所述结构相似度确定模块包括:
亮度确定单元,用于分别确定所述待测图像的第一亮度和所述样本图像的第二亮度;
对比度确定单元,用于分别确定所述待测图像的第一对比度和所述样本图像的第二对比度;
相似程度确定单元,用于确定所述待测图像和所述样本图像的结构相似程度;
结构相似度确定单元,用于基于所述第一亮度、所述第二亮度、所述第一对比度、所述第二对比度和所述结构相似程度确定所述待测图像与所述样本图像的结构相似度。
10.根据权利要求6所述的装置,其特征在于,所述图像质量确定模块包括:
相似度权值确定单元,用于根据所述每幅子图像的局部对比度确定所述结构相似度的权值;
模糊程度确定单元,用于根据所述结构相似度的权值和所述结构相似度确定所述待测图像的模糊程度。
11.一种电子设备,其特征在于,所述电子设备包括:
处理器;
被配置为存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取待测图像;
确定所述待测图像与预先存储的样本图像的结构相似度;
对所述待测图像进行分块,得到多幅子图像;
分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器处理时实现:
获取待测图像;
确定所述待测图像与预先存储的样本图像的结构相似度;
对所述待测图像进行分块,得到多幅子图像;
分别确定所述多幅子图像中每幅子图像的局部对比度,得到所述每幅子图像的局部对比度;
根据所述结构相似度和所述每幅子图像的局部对比度确定所述待测图像的质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710873726.XA CN107657608B (zh) | 2017-09-25 | 2017-09-25 | 图像质量确定方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710873726.XA CN107657608B (zh) | 2017-09-25 | 2017-09-25 | 图像质量确定方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107657608A true CN107657608A (zh) | 2018-02-02 |
CN107657608B CN107657608B (zh) | 2021-06-04 |
Family
ID=61131318
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710873726.XA Active CN107657608B (zh) | 2017-09-25 | 2017-09-25 | 图像质量确定方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107657608B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647696A (zh) * | 2018-05-08 | 2018-10-12 | 北京三快在线科技有限公司 | 图片颜值确定方法及装置、电子设备、存储介质 |
CN110493595A (zh) * | 2019-09-30 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 摄像头的检测方法和装置、存储介质及电子装置 |
CN112001289A (zh) * | 2020-08-17 | 2020-11-27 | 海尔优家智能科技(北京)有限公司 | 物品的检测方法和装置、存储介质及电子装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621709A (zh) * | 2009-08-10 | 2010-01-06 | 浙江大学 | 一种全参考型图像客观质量评价方法 |
CN101853504A (zh) * | 2010-05-07 | 2010-10-06 | 厦门大学 | 基于视觉特性与结构相似度的图像质量评测方法 |
CN103544708A (zh) * | 2013-10-31 | 2014-01-29 | 南京邮电大学 | 一种基于mmtd的图像质量客观评价方法 |
CN104851098A (zh) * | 2015-05-22 | 2015-08-19 | 天津大学 | 基于改进结构相似度的立体图像质量客观评价方法 |
CN106447647A (zh) * | 2016-07-12 | 2017-02-22 | 中国矿业大学 | 一种压缩感知恢复图像的无参考质量评价方法 |
US20170154415A1 (en) * | 2015-11-30 | 2017-06-01 | Disney Enterprises, Inc. | Saliency-weighted video quality assessment |
-
2017
- 2017-09-25 CN CN201710873726.XA patent/CN107657608B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101621709A (zh) * | 2009-08-10 | 2010-01-06 | 浙江大学 | 一种全参考型图像客观质量评价方法 |
CN101853504A (zh) * | 2010-05-07 | 2010-10-06 | 厦门大学 | 基于视觉特性与结构相似度的图像质量评测方法 |
CN103544708A (zh) * | 2013-10-31 | 2014-01-29 | 南京邮电大学 | 一种基于mmtd的图像质量客观评价方法 |
CN104851098A (zh) * | 2015-05-22 | 2015-08-19 | 天津大学 | 基于改进结构相似度的立体图像质量客观评价方法 |
US20170154415A1 (en) * | 2015-11-30 | 2017-06-01 | Disney Enterprises, Inc. | Saliency-weighted video quality assessment |
CN106447647A (zh) * | 2016-07-12 | 2017-02-22 | 中国矿业大学 | 一种压缩感知恢复图像的无参考质量评价方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108647696A (zh) * | 2018-05-08 | 2018-10-12 | 北京三快在线科技有限公司 | 图片颜值确定方法及装置、电子设备、存储介质 |
CN108647696B (zh) * | 2018-05-08 | 2021-07-23 | 北京三快在线科技有限公司 | 图片颜值确定方法及装置、电子设备、存储介质 |
CN110493595A (zh) * | 2019-09-30 | 2019-11-22 | 腾讯科技(深圳)有限公司 | 摄像头的检测方法和装置、存储介质及电子装置 |
CN112001289A (zh) * | 2020-08-17 | 2020-11-27 | 海尔优家智能科技(北京)有限公司 | 物品的检测方法和装置、存储介质及电子装置 |
Also Published As
Publication number | Publication date |
---|---|
CN107657608B (zh) | 2021-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104700353B (zh) | 图像滤镜生成方法及装置 | |
WO2020088069A1 (zh) | 手势关键点检测方法、装置、电子设备及存储介质 | |
CN106651955A (zh) | 图片中目标物的定位方法及装置 | |
CN106503617A (zh) | 模型训练方法及装置 | |
CN106650575A (zh) | 人脸检测方法及装置 | |
CN106951884A (zh) | 采集指纹的方法、装置及电子设备 | |
CN104036240B (zh) | 人脸特征点的定位方法和装置 | |
CN106355573A (zh) | 图片中目标物的定位方法及装置 | |
CN107527053A (zh) | 目标检测方法及装置 | |
CN103886284B (zh) | 人物属性信息识别方法、装置及电子设备 | |
CN106845377A (zh) | 人脸关键点定位方法及装置 | |
CN104077563B (zh) | 人脸识别方法和装置 | |
CN106778773A (zh) | 图片中目标物的定位方法及装置 | |
CN110717399A (zh) | 人脸识别方法和电子终端设备 | |
CN107563994A (zh) | 图像的显著性检测方法及装置 | |
CN106339695A (zh) | 人脸相似检测方法、装置及终端 | |
CN107463903A (zh) | 人脸关键点定位方法及装置 | |
CN107038428A (zh) | 活体识别方法和装置 | |
CN106203306A (zh) | 年龄的预测方法、装置及终端 | |
CN108717542A (zh) | 识别文字区域的方法、装置及计算机可读存储介质 | |
CN107657608A (zh) | 图像质量确定方法、装置及电子设备 | |
CN107704190A (zh) | 手势识别方法、装置、终端及存储介质 | |
CN112115894A (zh) | 手部关键点检测模型的训练方法、装置及电子设备 | |
CN107169429A (zh) | 活体识别方法和装置 | |
CN106990989A (zh) | 控制应用程序安装的方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |